在计算机视觉领域，三维高斯喷溅（3D Gaussian Splatting, 3DGS）为真实场景表示和重建提供了全新的范式。得益于其表示灵活、抗噪性强、存储效率高等优势，3DGS 已在自动驾驶、三维内容生成、医学成像等多个领域展现出广阔的应用前景。

清华工物系辐射成像团队基于3DGS算法，聚焦于病态条件下三维重建问题的研究，在可见光与 X光成像上均取得了重要进展。其中，可见光成像相关成果 “EAP-GS: Efficient Augmentation of Pointcloud for 3D Gaussian Splatting in Few-shot Scene Reconstruction”被CCF-A类会议《Conference on Computer Vision and Pattern Recognition》（CVPR，被称为计算机视觉国际三大顶级会议之一）接收。X 射线成像方面成果 “3DGS-CL: Two-stage Reconstruction Method based on 3D Gaussian Splatting for Rotational CL Imaging”被生物医学多维图像重建算法与计算方法前沿研究顶级会议^[1]《International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine》（Fully3D）接收为口头报告。

EAP-GS方法流程图

研究团队针对二维视图数量不足情况，创新性地引入注意力点云增强技术，通过重点关注结构复杂但点云分布稀疏区域的点云生成，在平衡点云密度分布的同时大大增加了有价值点的数量,实现了以极小的开销提高3DGS算法性能。各种室内和室外场景的实验结果均验证了所提出的 EAP-GS 方法超越领域内当前先进方法的性能^[2]。论文匿名审稿人对论文工作给予了高度评价，认为对相关领域做出宝贵贡献。

不同方法重建结果的定性比较（其中DRGS, FSGS, CoR-GS都是针对稀疏视角问题提出的优化方法）

进一步，研究团队拓展3DGS三维重建方法至计算机层析成像（Computed Laminography, CL）以解决层间混叠伪影严重问题，首次提出了一种用于旋转层析成像系统的两步法3DGS重建方法，利用FDK等传统算法结果获取图像域高斯核拟合物体的基础上，将锥束X射线扫描仪类比为针孔相机模型，应用可微光栅化生成渲染投影进行迭代优化，无需训练数据，在PCB成像上取得了优异效果。

目前，研究团队正在进一步挖掘3DGS技术潜力，解决极端病态高维重建问题，持续发展深度学科交叉研究。

对IC芯片进行的实际实验，各类算法重建结果（a和b分别是Axial和Coronal的结果）

清华大学工程物理系2023级博士生戴冬睿为两篇论文第一作者，清华大学工程物理系邢宇翔研究员为论文通讯作者。EAP-GS的研究得到了浙江观曜科技有限公司的大力支持；3DGS-CL的研究得到了国家重点研发计划的大力支持。

[1] https://hqlab.sjtu.edu.cn/fully3d-2025/home

[2] https://osierddr.github.io/eapgs/